先放结论：数据未进行One hot code
解决方法：使用这个函数pd.get_dummies()对数据进行处理
案例：
#直接对信息进行归一化、标准化或机器学习
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier()
#训练数据
knn.fit(x_train,y_train)
因为：
文章来源：https://www.toymoban.com/news/detail-504604.html
因为类型不能转换为float等数字类型，不是数字直接进行机器学习是不行的，同理直接进行归一化、标准化同样不行。报错相同。
加入函数
features = pd.get_dummies(features)
#再进行学习或数据预处理
features_temp = StandardScaler().fit_transform(features)#去均值和方差归一化
knn.fit(x_train,y_train)#训练数据不报错。
看看One_hot_encode化处理前后的数据：
处理前
处理后
第一次写博客，很混乱，欢迎得到批评和指正文章来源地址https://www.toymoban.com/news/detail-504604.html
到了这里，关于机器学习时出现 could not convert string to float:‘xxx‘解决方法的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
